直接人力资本投入.R&D投入与创新绩效的关系

作者：何庆丰陈武王学军

技术经济 2009年08期

　　在知识经济崛起和科技迅猛发展的时代，科技进步和技术创新已经成为当今先进生产力发展、经济增长和国力增强的决定性因素。国家或地区经济实力的强弱已不取决于拥有一般的劳动力资源或自然资源的数量，而取决于拥有高新技术企业及其具有自主知识产权的数量和具有高附加值和高市场占有率产品的数量。在知识经济时代，人力资本是国家和企业的核心资本。技术创新能力的提升离不开人力资本，创新绩效的高低在很大程度上也受到R&D投入的影响。本文首先从理论上分析人力资本投入和R&D投入对创新绩效的影响，然后通过实证检验来验证理论分析。

　　1 人力资本投入、R&D投入与技术创新关系的理论综述

　　当前，经济增长理论已经取得了丰硕的研究成果。关于物质资本投资、人力资本投资、R&D投入与经济增长之间关系的研究主要包括：认为物质资本是惟一决定要素论的哈罗德—多马模型；新古典增长理论的外生技术变量论；物质资本积累决定技术进步的阿罗模型；宇泽最优技术变化模型；关于物质资本、人力资本与技术进步及经济增长的AK类增长模型；R&D投入决定技术进步与经济增长的R&D类经济增长模型等[1-2]。

　　1.1 人力资本投入与技术创新的关系

　　尼尔森和费里普斯运用两个人力资本与技术扩散模型证明了社会平均受教育程度的提高将缩小实际技术水平与理论水平的差距。卢卡斯对人力资本积累的正规、非正规学校教育和“干中学”这两种方式分别建立了“两时期模型”和“两种商品模型”。雅各布·明塞尔认为：在经济增长过程中，人力资本发挥了以技能存量为主要特征的生产要素作用和以知识存量为主要特征的创新作用。李京文认为，拥有一定知识、技术与能力的劳动力即人力资本是进行技术创新的重要源泉之一。周天勇认为，人力资本引起物质资本、资金和技术投入的增加，并由此促进基础科学进步、新技术发明和制度创新，从而导致要素投入状况的改变及其使用效率的提高。王金营通过建立理论模型，得出技术创新源的技术创新会形成一个技术势的增长流的结论，而技术势是投入人力资本的增函数，人力资本的积累也是一种能量积累，一旦达到相当程度并得以释放，就会出现技术创新、生产率提高和社会文明进步[1,3]。

　　人既是人力资本的载体，也是技术创新的主体和发动者，又是技术创新的接受客体。人力资本的形成和积累将会全面改善生产过程中物与人两类因素的效率。人力资本是推动技术创新的基础力量。

　　1.2 R&D投入与技术创新的关系

　　罗森伯格认为，R&D对技术创新的作用是通过技术不平衡表现出来的，即生产过程中常常有瓶颈，为了解决瓶颈就不断出现创新，这种周而复始、不稳定性的解决瓶颈过程最终带来技术进步和技术创新。格瑞里切斯建立了数学模型，用于分析R&D因素如何影响生产率。罗默指出，投入到研究开发的人力资本越多，设计的知识存量就越大，研究开发部门的劳动生产率增长也越快，产出水平会越高[4-5]。鲁志国认为，R&D促进技术创新的传导机制可采用R&D对技术创新的种子效应、生长效应、引致效应和自我增强效应来阐释。国内外经济学家主要探讨的是R&D与技术创新作为经济增长要素对经济增长所做的贡献。当前，关于R&D如何促进技术创新、R&D对创新绩效的贡献度等方面的研究很少[1,6]。

　　2 直接人力资本投入、R&D投入与创新绩效关系的实证检验

　　我们从《中国统计年鉴》(1996-2007)上搜寻了5种科技活动情况的数据，采用定基指数法对相应数据进行了无量纲化处理，运用SPSS16.0软件对这些数据进行统计处理和分析①。

　　2.1 来自全国科技活动的经验证据

　　2.1.1 各要素的测度与评估

　　

　　为了研究直接人力资本投入、R&D投入与创新绩效的关系，首先运用因子分析的主成分分析方法对3个要素进行评估。

　　1)直接人力资本投入的测度[8-9]。KMO检验值为0.611，Bartlett's球体检验的Approx.Chi-Square为26.149，统计值的显著性概率是0.000②。为了对直接人力资本投入进行综合评估，运用主成分分析方法，其中因子旋转采用方差最大旋转法——Varimax，从原始数据中萃取了1个公共因子，记为H(即本节下文的H)。限于篇幅，总方差分解表省略。因子H可以解释98.38％的总变差，说明因子H足以反映直接人力资本投入的情况。根据主成分分析的因子得分系数矩阵(限于篇幅，省略)，可得到直接人力资本投入公共因子这一原始变量的因子得分函数：。根据因子得分函数，可计算出直接人力资本投入的得分，结果如表1所示。

　　

　　2)R&D投入的测度。KMO检验值为0.784，Bartlett's球体检验的Approx.Chi-Square为130.907，统计值的显著性概率是0.000。采用与测度直接人力资本投入同样的方法进行评估，从原始数据中萃取了1个公共因子，记为R&D。限于篇幅，总方差分解表省略。因子R&D可以解释96.83％的总变差。根据因子得分系数矩阵(限于篇幅，省略)，可得到R&D投入公共因子这一原始变量的因子得分函数：。根据因子得分函数，可计算出R&D投入的得分，结果如表1所示。

　　3)创新绩效的测度。KMO检验值为0.609，Bartlett's球体检验的Approx.Chi-Square为23.515，统计值的显著性概率是0.000。从原始数据中萃取了1个公共因子，记为P。限于篇幅，总方差分解表省略。因子P可以解释97.85％的总变差。根据因子得分系数矩阵(限于篇幅，省略)，得到创新绩效公共因子这一原始变量的因子得分函数：。根据因子得分函数，计算出创新绩效的得分，结果如表1所示。

　　2.1.2 直接人力资本投入、R&D投入与创新绩效的相关分析

　　根据2.1.1节的得分数据，运用SPSS16.0对直接人力资本投入、R&D投入与创新绩效进行皮尔逊(Pearson)相关分析、肯德尔(Kendall)相关分析和斯皮尔曼(Spearman)相关分析，结果如表2所示[1，10]。

　　

　　我们从表2发现：就全国科技活动而言，三种相关分析结果都显示直接人力资本投入、R&D投入与创新绩效都是正相关的，而且相关系数都在0.9以上；直接人力资本投入与创新绩效的相关系数低于R&D投入与创新绩效的相关系数，这说明加大直接人力资本投入和R&D投入能提高创新绩效。

　　2.1.3 直接人力资本投入、R&D投入对创新绩效的贡献度分析

　　采用Enter回归法，运用SPSS16.0软件，对直接人力资本投入和R&D投入对创新绩效进行回归分析[11-12]。通过分析，得到回归模型，如式(1)所示。

　　P=0.201H+1.091R&D。(1)

　　(2.41)(4.393)

　　其中，=0.982，调整的=0.978，D.W.=2.003，F值为248.447，模型通过检验。上述分析结果表明，直接人力资本投入和R&D投入对创新绩效的贡献都是正的；R&D投入对创新绩效的影响大于直接人力资本投入对创新绩效的影响；若直接人力资本投入和R&D投入都提高1％，创新绩效则提高1.157％；若直接人力资本投入提高1％，R&D投入保持不变，则创新绩效提高0.156％；若R&D投入提高1％，直接人力资本投入保持不变，则创新绩效提高0.844％。

　　2.2 来自大中型工业企业科技活动的经验证据

　　2.2.1 各要素的测度与评估

　　选取有研发机构的企业数量、有研发机构的企业占所选全部企业的比重

　　

　　

　　根据表3及省略的相关信息③，通过计算，得到大中型工业企业科技活动中直接人力资本投入、R&D投入及创新绩效的评估得分，如表4所示。

　　2.2.2 直接人力资本投入、R&D投入与创新绩效的相关分析

　　根据表4的得分数据，运用SPSS16.0软件对直接人力资本投入、R&D投入与创新绩效进行Pearson相关分析、Kendall相关分析和Spearman相关分析，分析结果如表5所示。

　　

　　从表5我们发现：就大中型工业企业的科技活动而言，三种相关分析结果都显示直接人力资本投入、R &D投入与创新绩效都是正相关的，而且相关系数都在0.96以上，其中，Kendall相关系数和Spearman相关系数更是达到1.00，是完全相关；从Pearson相关分析结果来看，直接人力资本投入与创新绩效的相关系数低于R&D投入与创新绩效的相关系数，这说明加大直接人力资本投入和R&D投入能够提高创新绩效。

　　2.2.3 直接人力资本投入、R&D投入对创新绩效的贡献度分析

　　采用Enter回归法，运用SPSS16.0软件，将直接人力资本投入、R&D投入对创新绩效进行回归分析[18]。通过分析，得到回归模型，如式(2)所示。

　　P=0.207H+1.093R&D。(2)

　　(2.266) (2.723)

　　其中，=0.978，调整的=0.963，D.W.=1.746，F值为66.712，模型通过检验。分析结果表明：直接人力资本投入、R&D投入对创新绩效的贡献都是正的；R&D投入对创新绩效的影响大于直接人力资本投入对创新绩效的影响；若直接人力资本投入和R&D投入都提高1％，则创新绩效提高1.161％；若直接人力资本投入提高1％，R&D投入保持不变，则创新绩效提高0.159％；若R&D投入提高1％，直接人力资本投入保持不变，则创新绩效提高0.841％。

　　2.3 来自高技术产业大中型工业企业科技活动的经验证据

　　2.3.1 各要素的测度与评估

　　

　　根据表6及省略的相关信息⑤，通过计算，得到高技术产业大中型工业企业科技活动中直接人力资本投入、R&D投入及创新绩效的评估得分，如表7所示。

　　

　　

　　2.3.2 直接人力资本投入、R&D投入与创新绩效的相关分析

　　根据表7的得分数据，运用SPSS16.0软件，对直接人力资本投入、R&D投入与创新绩效进行Pearson相关分析、Kendall相关分析和Spearman相关分析，结果如表8所示。

　　

　　我们从表8发现：就高技术产业大中型工业企业的科技活动而言，三种相关分析结果都显示直接人力资本投入、R&D投入与创新绩效是正相关的，而且相关系数都在0.86以上，其中，R&D与创新绩效的Kendall相关系数和Spearman相关系数更是达到1.00，是完全相关；从相关分析结果来看，直接人力资本投入与创新绩效的相关系数低于R&D投入与创新绩效的相关系数，这说明加大直接人力资本投入和R&D投入能够提高创新绩效。

　　2.3.3 直接人力资本投入、R&D投入对创新绩效的贡献度分析

　　采用Enter回归法，运用SPSS16.0软件，将直接人力资本投入、R&D投入对创新绩效进行回归分析。通过分析，得到回归模型，如式(3)所示。

　　P=0.241H+0.758R&D。(3)

　　(1.977)(2.892)

　　其中，=0.974，调整的=0.957，D.W.=2.589，F值为57.055，模型通过检验。结果表明：直接人力资本投入、R&D投入对创新绩效的贡献都是正的；R&D投入对创新绩效的影响大于直接人力资本投入对创新绩效的影响；若直接人力资本投入和R&D投入都提高1％，则创新绩效提高1.244％；若直接人力资本投入提高1％，R&D投入保持不变，则创新绩效提高0.241％；若R&D投入提高1％，直接人力资本投入保持不变，则创新绩效提高0.759％。

　　2.4 来自高等院校科技活动的经验证据

　　2.4.1 各要素的测度与评估

　　

　　

　　表9给出了采用因子分析的主成分方法测度直接人力资本投入、R&D投入及创新绩效的相关要素信息。

　　

　　根据表9及省略的相关信息⑦，通过计算，得到高等院校科技活动中直接人力资本投入、R&D投入及创新绩效的评估得分，如表10所示。

　　

　　2.4.2 直接人力资本投入、R&D投入与创新绩效的相关分析

　　根据表10的数据，运用SPSS16.0软件，对直接人力资本投入、R&D投入与创新绩效进行Pearson相关分析、Kendall相关分析和Spearman相关分析，结果如表11所示。

　　我们从表11发现：就高等院校的科技活动而言，三种相关分析结果都显示直接人力资本投入、R&D投入与创新绩效是正相关的，而且相关系数都在0.98以上，其中Kendall相关系数和Spearman相关系数更是达到1，是完全相关；从Pearson相关分析来看，直接人力资本投入与创新绩效的相关系数略低于R&D投入与创新绩效的相关系数，这说明加大直接人力资本投入和R&D投入能够提高创新绩效。

　　

　　2.4.3 直接人力资本投入、R&D投入对创新绩效的贡献度分析

　　采用Enter回归法，运用SPSS16.0软件，将直接人力资本投入、R&D投入对创新绩效进行回归分析。通过分析，得到回归模型，如式(4)所示。

　　P=0.329H+0.672R&D。(4)

　　(2.166)(2.385)

　　其中，=0.996，调整的=0.992，D.W.=2.6，F值为237.52，模型通过检验。结果表明：直接人力资本投入、R&D投入对创新绩效的贡献都是正的；R&D投入对创新绩效的影响大于直接人力资本投入对创新绩效的影响；若直接人力资本投入和R&D投入都提高1％，则创新绩效提高1.332％；若直接人力资本投入提高1％，R&D投入保持不变，则创新绩效提高0.329％；若R&D投入提高1％，直接人力资本投入保持不变，则创新绩效提高0.671％。

　　2.5 来自科学研究与开发机构科技活动的经验证据

　　2.5.1 各要素的测度与评估

　　

　　表12给出了采用因子分析的主成分方法测度直接人力资本投入、R&D投入及创新绩效的相关要素信息。

　　

　　根据表12及省略的相关信息⑨，通过计算，得到科学研究与开发机构科技活动中直接人力资本投入、R&D投入及创新绩效的评估得分，如表13所示。

　　

　　2.5.2 直接人力资本投入、R&D投入与创新绩效的相关分析

　　根据表13的得分数据，运用SPSS16.0软件，对直接人力资本投入、R&D投入与创新绩效进行Pearson相关分析、Kendall相关分析和Spearman相关分析，结果如表14所示。

　　

　　我们从表14发现：就科学研究和开发机构的科技活动而言，三种相关分析结果都显示直接人力资本投入、R&D投入与创新绩效是正相关的，其中，Pearson相关系数均在0.8以上，R&D投入与创新绩效的Kendall相关系数和Spearman相关系数更是达到1，是完全相关；但是，直接人力资本投入与创新绩效的Kendall相关系数和Spearman相关系数远低于两者的Pearson相关系数，分别为0.4和0.6；从总体上看，直接人力资本投入与创新绩效的相关系数低于R&D投入与创新绩效的相关系数，这说明加大直接人力资本投入和R&D投入能够提高创新绩效。

　　2.5.3 直接人力资本投入、R&D投入对创新绩效的贡献度分析

　　采用Enter回归法，运用SPSS16.0软件，将直接人力资本投入、R&D投入对创新绩效进行回归分析。通过分析，得到回归模型，如式(5)所示。

　　P=0.339H+0.841R&D。(5)

　　(5.566)(10.953)

　　其中，=0.994，调整的=0.989，D.W.=3.174，F值为178.37，模型通过检验。结果表明：直接人力资本投入、R&D投入对创新绩效的贡献都是正的；R&D投入对创新绩效的影响大于直接人力资本投入对创新绩效的影响；若直接人力资本投入和R&D投入都提高1％，则创新绩效提高1.29％；若直接人力资本投入提高1％，R&D投入保持不变，则创新绩效提高0.287％；若R&D投入提高1％，直接人力资本投入保持不变，则创新绩效提高0.713％。

　　3 结论与建议

　　通过对上述5种类型的科技活动进行相关分析和回归分析，得出如下结论：直接人力资本投入、R&D投入与创新绩效都是正相关的；直接人力资本投入和R&D投入对创新绩效的贡献都是正的；加大直接人力资本投入和R&D投入能够提高创新绩效；直接人力资本投入与创新绩效的相关系数略低于R&D投入与创新绩效的相关系数；R&D投入对创新绩效的影响大于直接人力资本投入对创新绩效的影响。从各种类型科技活动中直接人力资本投入与创新绩效的相关性来看，高等院校的直接人力资本投入与创新绩效的相关性最高，其次是全国科技活动，再次为大中型工业企业和高技术产业大中型工业企业，相关性相对较差的是科学研究与开发机构。这说明：对于高等院校而言，直接人力资本投入的增加带来的创新绩效较明显，而科学研究与开发机构中直接人力资本投入的增加带来的创新绩效相对较弱。这反映了在科学研究与开发机构中，并非直接人力资本投入越多越好(抑或是当前的科学研究与开发机构的激励制度和成果奖励制度方面存在不足)。从各种类型科技活动中R&D投入与创新绩效的相关性来看，高等院校的R&D投入与创新绩效的相关性最高，其次是全国科技活动，再次为大中型工业企业和高技术产业大中型工业企业，相关性相对较差的是科学研究与开发机构。这说明：对于高等院校而言，R&D投入的增加带来的创新绩效较明显，而科学研究与开发机构R&D投入的增加带来的创新绩效相对较弱。R&D投入对创新绩效的贡献度均高于直接人力资本投入对创新绩效的贡献度，R&D投入对创新绩效的贡献是直接人力资本投入的两倍以上，其中，R&D投入对创新绩效的贡献情况在全国科技活动和大中型工业企业科技活动中悬殊最大(差距在5倍以上)，这说明对于大中型工业企业和全国的科技活动而言，R&D投入更加重要，而对于高等院校和科研机构来说，R&D投入也很重要，但其重要性略低于企业。

　　为什么直接人力资本投入与创新绩效的相关性低于R&D投入与创新绩效的相关性，直接人力资本投入对创新绩效的贡献也小于R&D投入对创新绩效的贡献呢？究其原因，可能是由于人力资本投入发挥的作用具有滞后性，致使注重当期效益的企业和机构不太愿意大力投入人力资本。正如人力资源开发悖论一样，也存在着人力资本投资悖论，即：一方面，从企业和相关机构自身发展的长远需要来看，其需要加大人力资本投入；另一方面，由于人力资本存在所有权归属问题和人力资源存在流动性问题，因此企业和社会机构又不愿意大量投入人力资本。人力资本投入的一个非常重要的渠道是教育，包括正规教育和非正规教育。面对人力资本投资的这一悖论，教育可以被视为一种公共产品，应该由政府加大对教育的投入，从而提高人力资本水平，完成企业和一些社会机构不愿意完成的人力资本投资任务，从人力资本的积累和人力资源的供给上来弥补企业和社会机构不愿进行深度人力资本投资所带来的效率损失。

　　因此，在宏观层面上，国家一方面要加大对创新活动和科研活动的直接人力资本投入，另一方面要从R&D投入经费上加大投入力度，以保证创新绩效的持续增长；在微观层面上，企业要提高创新绩效，除了需要加大对高素质的直接人力资本的投入力度之外，最重要的是需要加大R&D投入；科学研究与开发机构则不宜大规模地增加直接人力资本投入，但要使R&D投入经费保持适度稳定，并激发现有直接人力资本投入的创新积极性，优化直接人力资本投入的结构；高等院校则应该保持稳定的R&D投入经费，在此基础上，适度加大直接人力资本的投入力度。

　　注释：

　　①受篇幅所限，本文原始数据和大量中间过程数据均被省略，如有需要可向作者索取。

　　②限于篇幅，笔者未列出原始输出表格，只给出结果。下文中其他此类结果均同此处说明。

　　③即受篇幅所限省略的数据效度检测结果表(相应信息已反映在表3中)、总方差分解表(相关关键数据信息已在表3的第4列中的公式中使用)、因子得分系数矩阵(相关关键数据信息已在表3的第3列中的公式中使用)。

　　④因从《中国统计年鉴》上只能获取2001-2006年的数据，因此本文只能最大限度地使用可获得的数据进行研究。

　　⑤即受篇幅所限两省略的数据效度检测结果表(相应信息已反映在表6中)、总方差分解表(相关关键数据信息已在表6的第4列中的公式中使用)、因子得分系数矩阵(相关关键数据信息已在表6的第3列中的公式中使用)。

　　⑥因从《中国统计年鉴》上只能获取到2001-2006年的数据，因此本文只能最大限度地使用可获得的数据进行研究。

　　⑦即受篇幅所限省略了数据效度检测结果表(相应信息已反映在表9中)、总方差分解表(相关关键数据信息已在表9的第4列中的公式中使用)、因子得分系数矩阵(相关关键数据信息已在表9的第3列中公式中使用)。

　　⑧因从《中国统计年鉴》上只能获取2002-2006年的数据，因此本文只能最大限度地使用可获得的数据进行研究。

　　⑨即受篇幅所限省略的数据效度检测结果表(相应信息已反映在表12中)、总方差分解表(相关关键数据信息已在表12的第4列的公式中使用)、因子得分系数矩阵(相关关键数据信息已在表12的第3列中的公式中使用)。

作者介绍：何庆丰，武汉大学经济与管理学院技术经济及管理专业博士研究生。（武汉 430072），湖北省国有资产监督管理委员会。（武汉 430071）；陈武，武汉大学经济与管理学院技术经济及管理专业博士研究生。（武汉 430072）；王学军，武汉大学经济与管理学院技术经济及管理研究所所长、教授，博士生导师，工学博士。（武汉 430072）